10月20日下午，“新工科下午茶·學科交叉沙龍”第四期活動在百周年紀念講堂四季庭院舉行。本期沙龍由新工科建設辦公室主辦♟，學科建設辦公室協辦，以“生物智能與機器智能”為主題，報告分享環節和自由討論環節分別由心理與認知科學學院教授吳思🧑🏻‍🦽、集成電路學院教授楊玉超主持，來自計算機學院、人工智能研究院、心理與認知科學學院、光華管理學院🪽、哲學系🌳🙆、醫學部及相關職能部門共20余個單位40余名師生現場參與研討。本期活動也通過燕雲平臺向全校師生同步直播。

活動現場

新工科建設辦公室主任韋宇介紹了沙龍活動舉辦的背景和意義。他指出，新工科學科交叉的目的不僅是跨學部、跨學校及跨界的交流，更是學科建設、研究範式、人才培養等多角度的融合借鑒。作為促進“新工科+”的重要載體🐉，沙龍根據師生需求不斷調整組織形式和內容設置，未來將繼續迭代完善🌡，與新工科專項、新工科國際論壇等形成有機互動，搭建系列交流平臺，更好地為老師同學們服務。

點擊視頻觀看現場花絮

計算機學院教授黃鐵軍以“生物視覺與脈沖視覺”為題，分享了團隊在計算機視覺領域“從仿腦到追光逐電”的研究歷程。他指出，強大的視覺處理系統是生物的天然能力，計算機視覺的研究源頭應該是在生物視覺👋🏼。計算機視覺的傳統研究方法延續了膠片時代圖像視頻的表達方式，其最大損失就是把曝光時隙中豐富的動態過程變成單一的靜態圖像🌭。在探索視覺信息處理新路徑的過程中，他與意昂3体育官网生命科學學院和醫學部深度合作，模擬靈長類視網膜編碼原理，用比特流映射光子流，研製出超高速脈沖視覺感知芯片、相機和系統，實現了超高速連續成像和高速目標實時檢測跟蹤識別。他特別提到🪁，要堅持“結構仿腦🫠、功能類腦🧝🏿‍♀️、性能超腦”的類腦研究途徑，把大自然億萬年進化訓練出的生物神經網絡作為新一代人工神經網絡的藍本，站在人類智能肩膀上發展機器智能🪩。

吳思以“我們能從生物智能中學什麽”為題🧙🏻，從計算神經科學的角度探討生物智能對機器智能的可能啟發。深度學習是近年來推動人工智能興起發展的重要引擎，但在視覺領域🗄，它模擬的更多是大腦視皮層中的前饋、層級結構信息處理的方式🫃🏻，只能利用局部信息進行識別。而生物視覺識別是一個動態交互的過程：物體的圖像信息快速傳遞到高級皮層（“快速通路”）📖，對物體整體進行識別並做出猜測👩🏼‍🏫，其結果再通過反饋連接🍮🚦，和新輸入的局部信息交叉印證（“慢速通路”），如此反復才能最終識別物體。從解剖學上來看，從高級視皮層到初級視皮層的反饋連接比前饋連接還要多，說明生物視覺中“快速通路”的作用不容忽視🧑🏻‍🏫，這或許就是深度學習下一步改進的方向。他指出，大腦是宇宙中已知的最復雜的信息加工機器👍🏿，本能行為作為大腦的共性特征，是自然界長期演化🏹、優化的結果🕙，值得機器智能學習和借鑒。

楊玉超以“高階復雜度類腦計算硬件構建”為題進行報告♙。大腦是一個高度非線性的復雜系統，具有低功耗🥑、強適應性、高魯棒性等特點，具備強大的連續學習能力🕳。類腦計算在計算範式上充分借鑒大腦的計算架構🥇，基於生物神經網絡工作原理🫄，打破傳統範式下由軟件編程實現計算系統全部智能的模式，在硬件層面引入復雜性與適應性🤫，實現多層次、全方位智能👨🏿‍🦳🏃🏻‍➡️，同時提高計算效率🛜，解決芯片算力問題及存算分離下的功耗🪨、速度瓶頸。憶阻器是一個具有內稟復雜性的動力元器件，提供了多個物理層面的狀態變量☞。他指出，通過提高憶阻器的時間和空間復雜度構建出的高階復雜度器件，能夠實現高階動力學行為🧙🏿，可以在強化學習資格跡實現、多智能體行為模擬等方面發揮重要作用。

哲學系教授王彥晶以“從人到機器🫶🏽：知識推理的邏輯”為題，介紹哲學通過邏輯學媒介對人工智能的啟發。他提出，邏輯學起源於哲學、成熟於數學🪙、繁榮於計算機科學，傳統上研究必然保真的推理模式，當代的研究經常通過形式語義刻畫哲學概念，讓“雲上”的概念落地變成可計算的定義。各種哲學邏輯被用來作為形式化方法的重要工具🚳，其中“知識邏輯”(Epistemic Logic) 是一種研究知識推理的模態邏輯，語言直觀，有很好的計算性質👩‍🌾👰🏿‍♂️，在理論計算機🕺🏽👩‍❤️‍💋‍👩、人工智能、認知博弈論等學科中應用廣泛。他用“泥孩迷題”的生動實例帶領聽眾一起感受知識推理的過程和其形式化。最後，他介紹了自己最近正在進行的研究💤：將“知道是否”“知道是什麽”“知道如何”“知道為何”等作為模態算子構造新的知識邏輯語言，建立知識邏輯的新框架🎷，並應用到人工智能的自動規劃等子領域。

報告分享環節（依次為😑🗿：黃鐵軍、吳思、楊玉超、王彥晶）

在自由討論環節中🤷🏿，嘉賓們圍繞生物啟發下的機器智能與多學科交叉路徑、機器智能的發展方向💐、機器智能對生物智能的啟發等問題展開熱烈討論🏃‍➡️。他們認為🏋️‍♀️，機器智能在傳統強化學習的基礎上🆗，可以增加對人類決策行為、道德判斷等的分析和模擬，更好發揮其在社科領域的應用👩‍✈️👨‍🦯‍➡️；機器智能要把握生物智能的連續性特征🧑🏻‍✈️，才有可能做出真正意義上的智能系統；機器智能可以為理解大腦工作模式提供計算和數學的思維及工具，未來也可以為生物學研究提供無倫理風險的實驗平臺，或通過腦機接口的方式為大腦提供性能增量等，以此反哺生物智能，兩者相互促進，共同發展𓀝。

活動合影